“從2007年到2014年，短短7年間，非洲草原象的數量減少了約三分之一，并且很有可能在10年內從一些非洲國家完全消失。”

幾年前，微軟的聯合創始人保羅·艾倫（Paul Allen）發表了一項名為“大象普查”的報告，上面這個結論就來自這份報告。它震驚了全球的動物保護組織，也讓我們憂心不已。在記憶中，在塞倫蓋蒂成群逡巡的大象，簡直是非洲的標志。我們即將失去大象——這種聰明、溫柔又神奇的動物嗎？

馬拉維利翁代國家公園的大象 | npr

大象的敵人，除了人類活動導致的棲息地減少，就是偷獵者了。昂貴的象牙讓許多人鋌而走險，并且形成了一個全球黑市網絡。

許多人奮斗在反盜獵的前線。而他們最近有了一個新伙伴——人工智能（AI）。AI 能從大量的信息中找到規律，這不僅可以讓大象的行為更加清晰，也會讓偷獵者無從遁逃。

“聆聽大象”

非洲有兩種大象：非洲草原象和非洲森林象。草原象比較容易被發現和跟蹤，保羅·艾倫的“大象普查”項目就對它們的數量做過統計；而森林象，因為生活在茂密的雨林樹冠之下，很難被調查人員識別。

康奈爾大學的研究員彼得·弗雷格（Peter Wrege）團隊多年來也一直在研究森林象，試圖弄清它們的數量到底有多少，消失的速度有多快。但森林象的身影實在難以捕捉，于是弗雷格就想，不如做些不一樣的嘗試：用聲音尋找它們。

弗雷格為此定制了50個錄音機，帶著設備和團隊前往中非的雨林。他將雨林劃分為5千米見方的網格，在每個網格中，他的團隊都會在大約7至9米高的樹梢上放一個錄音機，這要比大象用后腿站立舉起象鼻的高度稍高一點。然后他們會按下錄音鍵，開始錄音。三個月后，他們會返回森林，找到錄音機，更換電池，放入新的存儲卡，然后重新收集一波數據。

幾個月過去后，錄音機收集的叢林之聲超過了幾十萬小時。這可不是找幾個研究生幫忙整理就能搞定的事情。如何才能把這些錄音進行分類，來找到他想要的大象的聲音呢？

在人工智能界，這被稱為“雞尾酒會問題”。在一個嘈雜的聚會上，人腦可以只專注于特定的人的聲音，并將其放大到足以蓋過其他所有聲音，而AI經過訓練，也可以做同樣的事情。

人工智能神經網絡就對此非常擅長。神經網絡其實是一系列算法的集合，可以對信息進行聚集和分類，找到那些可能會被人類遺漏的規律。神經網絡尤其擅長處理圖像，因此弗雷格會通過軟件把他收集的錄音轉換成聲譜圖（聲波的可視化表現）。他的另一家公司為此搭建了神經網絡，可以對叢林的各種雜音進行分類，然后識別出大象的聲音。

上圖是兩頭大象通過低頻隆隆聲交流的聲譜圖。白線是20赫茲的位置，低于這個值的聲波是次聲波，人類是聽不到的。| Elephant Listening Project

隨后發生了一件有趣的事情。弗雷格和他的“聆聽大象（Elephant Listening Project）”團隊，在錄音中聽到了一些意料之外的聲響：槍聲。

弗雷格認為槍聲是偷獵行為的一個重要指征，他建立了另一個神經網絡，這次的目的就是尋找槍聲。他希望這一舉措能給我們提供更多信息，讓我們知道森林象被殺死的地點，甚至可以在偷獵者開槍之前就阻止他們。

公園經理的新裝備

用前沿技術阻止偷獵、保護動物，這并非是弗雷格的首創。四年前，在非洲國家馬拉維利翁代國家公園（Liwonde National Park），一位名叫克雷格·里德（Craig Reid）的公園經理也萌生了相同的想法。那時里德剛接手利翁代，他發現這里的野生動植物保護區已經瀕臨崩潰了：基礎設施破敗不堪，道路被沖毀，偷獵行為蔚然成風，人們在公園里進進出出，無處可去的大象也嚴重威脅著附近生活的村民。“如果我們不進行干預的話，未來10年內，公園內的所有野生動植物都會徹底消失。”他這樣介紹說。

公園經理克雷格·里德 | npr

里德決定向大城市里的警察學習，使用人工智能和預測分析技術，希望能用這種方式更好地管理公園。

推動“大象普查”項目的艾倫于2018年去世了，但他的公司開發了一款使用人工智能和預測分析功能的程序EarthRanger，這讓里德的想法成為現實：讓公園管理員的信息可以被機器匯總處理。

技術人員首先創建了一個實時可視化程序，管理人員可以在屏幕上查看所有的公園資產：管理員，動物，直升機以及來自傳感器和安全攝像機的信息，全都集中在這里，只需點擊鼠標就能查看了。它也給管理人員提供了分析工具，幫助他們更好地巡邏管理。

可視化程序可以提供一個問題地區的熱點地圖，比如哪里有被下了針對動物的圈套和陷阱，哪里的圍欄斷裂了。這讓管理人員能夠快速響應公園的安全問題。這套系統還有一個人工智能組件，這會幫助程序采集所有信息，以提供管理公園的最佳建議。

利翁代國家公園執法部門主管保羅·奇迪耶拉（Paul Chidyera）和他的團隊收繳的捕獵工具。捕獵者會把鐵絲綁在兩樹之間，中間繞成一個環，然后用樹枝在動物們常走的熟路上設置障礙，讓它們繞道以落入圈套。| npr

利翁代保衛戰

在利翁代，EarthRanger程序位于公園管理處后面一幢不起眼的磚房里。身穿迷彩服的管理員坐在電腦屏幕前，擺弄著對講機，這看起來像一個中型城市警察局的指揮中心。這里有平面顯示屏掛在墻上，閉路電視監視器，還有兩張長桌子，上面擺著很多電腦。各種龐雜的信息匯集到總部電腦里，然后在EarthRanger程序上完成分析和分類。

勞倫斯·蒙羅（Lawrence Munro）是公園的運營經理。他的工作是計劃、安排和部署管理員巡邏，而 EarthRanger正在幫助他制定出最佳方案。墻上的屏幕上，正顯示著公園的實時衛星圖像。屏幕上有一些小象的圖標，跟蹤著來自大象項圈的GPS定位信號，還有一些小犀牛圖標，它們跟蹤的是公園深處保護區的稀有黑犀牛。

芒羅正在使用EarthRanger程序，屏幕上顯示的是過去一個月在公園內發現的捕獸陷阱。| NPR

蒙羅和公園的執法部門主管保羅·奇迪耶拉（Paul Chidyera）在房間后面的白板和前面的EarthRanger監視器之間來回移動。他們專注于屏幕上的兩個特定數據集：過去一個月在公園中發現的陷阱的密度，以及管理員在同一時期記錄的進出公園的腳印。

其中一名管理員單擊鼠標，然后EarthRanger展示過去一個月里公園里的可疑活動。屏幕上布滿了捕獵用的圈套，它們散布在公園的主干道周圍。芒羅指出它們，思考了一分鐘，然后指著一個十字路口說：“我們在那兒設置一個檢查站。”

“我們之前使用的系統，就是墻上貼著的一張地圖。”芒羅說，“那時我們無法確切看到人員和交通工具的位置，只能依靠記憶和無線電通訊。有了實時地圖以后，我們可以做許多預判性的工作。”

利翁代的工作人員曾經主要靠對講機確定管理員的位置，而今天他們有了高大上的實時地圖。| npr

預判是要預見偷獵者可能會出現在哪里，就像警局在高犯罪率地區加強巡邏一樣。這已經是警務工作的標準做法，但直到最近才真正應用到動物保護領域。有一個問題是搜尋的范圍太廣了，因為動物，尤其是大象，會漫游到很遠的地方去，而管理員一次只能巡邏一個很小的區域。但這種沖突可以通過數據分析和人工智能解決。

在利翁代，EarthRanger的分析幫助里德和團隊找到了之前可能遺漏的偷獵行為模式。在仔細分析了兩年的數據后，EarthRanger幫助他們梳理出了許多因素，這些因素乍一看并不會對偷獵行為產生什么影響，但實際另有玄機。

發薪日和偷獵有什么關系？

對于天氣狀況和動物活動，他們已經關注了一段時間了。但他們也發現，宗教節日和政府發薪日，也與公園犯罪活動的小幅升高有關聯。這是為什么呢？馬拉維人認為野味很美味，因此我們有理由相信，人們會在發工資后立即下單購買昂貴的野味，而這也促使獵人進入國家公園來做上個幾單。

在過去，管理員可能要花一個月時間才能琢磨出這種規律。但是現在，他們可以每周甚至每天都研究數據，這也大大提升了他們制定戰略的速度。

這套方案行之有效。今年早些時候，與EarthRanger相連的傳感器監測到公園東部有可疑活動，于是，公園執法部門負責人奇迪耶拉和團隊安裝了一個偷獵者攝像頭。這是一種小型的動作感應相機，相機使用了特殊算法，可以確定經過的物體是人還是動物。幾天后，相機拍攝了有人進入公園的照片，并將照片和GPS坐標一起發送給了EarthRanger和奇迪耶拉的手機。

憑借這張照片，奇迪耶拉得以前往附近的村莊識別入侵者。原來這是當地一個有名的偷獵者。奇迪耶拉說：“當他被捕并遭到質詢時，他坦白了自己所做的一切。”回到公園后，管理員重新查看了EarthRanger數據庫，并找到了同一個人拿著武器和套索進入公園的照片。而這些，都成為了審判時的有力證據。奇迪耶拉說：“在某些照片中，他甚至穿著相同的衣服，因此很明顯是同一個人。這個慣犯最終獲刑27年。”

利翁代一處草原上的黑斑羚。| npr

評估EarthRanger對野生動植物公園的重大意義還為時尚早，但到目前為止，利翁代的數據可以說是十分鼓舞人心的。在過去的兩年中，公園里的偷獵行為直線下降。里德說，在30個月的時間里，他們沒有再丟失任何一只高價值的動物。曾經在危機邊緣的動物園一改頹勢，12000只大型哺乳動物和400多種鳥類在這里愉快生活。

大象有語言嗎？

不同于利翁代公園的驚心動魄，弗雷格在雨林中使用人工智能的故事要平淡得多，但他們的努力同樣重要。他的森林象計數神經網絡仍在訓練中，因此還無法獲得精確的數量。在此之前，他已經知道計算森林象的數目取決于無數的變量：天氣、季節、還有他們放置收音裝置的地點，但是人工智能還是發現了一些意想不到的事情。

例如，在一年中的特定時間，大象似乎不會出現在森林的某些地方。知道這一點非常重要，它可以影響公園管理員部署人力的方式。“比方說，我知道這七個月里大象不會在這一大片區域里出現，偷獵者不會在那里找到大象的，我就不需要派任何巡查隊過去了。”弗雷格這樣介紹。

人工智能還可以幫助弗雷格解開一些未解之謎，比如大象是否有語言？它們語言的復雜程度怎么樣呢？研究人員一致認為，大象是非常聰明的。他們觀察到了大象復雜的社會制度以及它們如何保持長期關系。研究人員認為大象也可以通過復雜的方式進行交流。

弗雷格說：“當你查看大象發出隆隆聲的聲譜圖時，你會發現它很像人類發出元音的圖片。當一個音調轉變為另一個音調時，能量發生了變化，而這很可能意味著它們是不同的單詞。”

翻譯這些單詞的工作自然也會交給神經網絡來承擔。弗雷格希望，將來能夠在叢林錄音當中識別出大象遇到困境和危險的聲音。這樣，他們一聽到大象的聲音，就能夠實時派出人員進行干預。這也許還需要幾年的時間，但如果你問弗雷格，他是否認為AI能夠拯救大象，答案是毫不含糊的。

“我完全相信，” 他說， “AI會成為我們的最強援兵。”

作者：Dina Temple-Raston

翻譯：大琳砸

編輯：李子李子短信

編譯來源：https://npr.org/2019/10/25/760487476/elephants-under-attack-have-an-unlikely-ally-artificial-intelligence

AI的大力發展讓我們的生活充滿了各種可能性，你希望AI能幫你分析解決什么問題？

掃描下方二維碼，來果殼群落分享你的想法！果殼群落是科學青年自由交流的地方，在這里你能看到優質的內容，可以和小伙伴進行科學討論，還能關注科學領域的新進展，讓志同道合不再有距離！